基于图神经网络的地表水水质预测模型

• 作者: 许佳辉 王敬昌 陈岭 吴勇
• 来源期刊: 浙江大学学报（工学版）
• 关键词: 水质预测 图神经网络(GNN) 深度神经网络 长短时记忆网络(LSTM) 深度学习
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 计算机技术、电信技术|Computer Technology, Telecommunication Technology
• 页码范围: 601-607
• 页数: 7页
• 分类号: TP319
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2021.04.001

摘要

针对水质数据在时间和空间维度上的复杂依赖关系,提出基于图神经网络(GNN)的地表水水质预测模型.该模型采用GNN建模地表水水质监测站点在空间上的复杂依赖关系,使用长短时记忆网络(LSTM)建模水质指标序列在时间上的复杂依赖关系,将编码结果输入到解码器中得到预测输出.实验结果表明,与时间序列分析方法、通用回归方法和一般深度学习方法相比,该模型能够实现23.3％、26.6％和14.8％的性能提升.